久久播五月婷婷-国产又粗又猛又爽免费视频-色婷婷1024导航-久久久91精品国产-91国产在线含羞草-日本道中文字幕精品-97人妻精品一区二区三区香蕉-国产一区二区三区四区五区久久-国产99超碰人人做人人爱,久久热这里只有精品首页 ,婷婷在线精品首页,色婷婷av国产精品

這是 阿拉燈神丁Vicky 的第 23 篇文章

1、項目背景

為通過項目實戰(zhàn)增加對知識圖譜的認識，幾乎找了所有網(wǎng)上的開源項目及視頻實戰(zhàn)教程。

果然，功夫不負有心人，找到了中科院軟件所劉煥勇老師在上的開源項目，基于知識圖譜的醫(yī)藥領域問答項目。

用了兩個晚上搭建了兩套，Mac版與版，哈哈，運行成功！！！

從無到有搭建一個以疾病為中心的一定規(guī)模醫(yī)藥領域知識圖譜，以該知識圖譜完成自動問答與分析服務。該項目立足醫(yī)藥領域，以垂直型醫(yī)藥網(wǎng)站為數(shù)據(jù)來源，以疾病為核心，構建起一個包含7類規(guī)模為4.4萬的知識實體，11類規(guī)模約30萬實體關系的知識圖譜。 本項目將包括以下兩部分的內(nèi)容：1、基于垂直網(wǎng)站數(shù)據(jù)的醫(yī)藥知識圖譜構建

2、基于醫(yī)藥知識圖譜的自動問答

2、項目環(huán)境

2.1 系統(tǒng)

搭建中間有很多坑，且行且注意。

配置要求：要求配置neo4j數(shù)據(jù)庫及相應的依賴包。neo4j數(shù)據(jù)庫用戶名密碼記住，并修改相應文件。

安裝neo4j，neo4j 依賴java jdk 1.8版本以上：

根據(jù)neo4j 安裝時的端口、賬戶、密碼配置設置設置項目配置文件：.py & .py (下載項目時根據(jù)個人需要也可使用git)

數(shù)據(jù)導入： .py，導入的數(shù)據(jù)較多，估計需要幾個小時。

.py導入數(shù)據(jù)之前，需要在該文件main函數(shù)中加入：.py

啟動問答： .py

2.2 Mac系統(tǒng)

mac本身自帶、java jdk環(huán)境，可直接安裝neo4j圖數(shù)據(jù)庫，項目運行步驟與基本一樣。

問題解答：安裝過程中如遇問題可聯(lián)系: -sbb。

2.3 Neo4j數(shù)據(jù)庫展示

2.4 問答系統(tǒng)運行效果

3、項目介紹

該項目的數(shù)據(jù)來自垂直類醫(yī)療網(wǎng)站尋醫(yī)問藥，使用爬蟲腳本.py，以結(jié)構化數(shù)據(jù)為主，構建了以疾病為中心的醫(yī)療知識圖譜，實體規(guī)模4.4萬，實體關系規(guī)模30萬。的設計根據(jù)所采集的結(jié)構化數(shù)據(jù)生成醫(yī)療問答python，對網(wǎng)頁的結(jié)構化數(shù)據(jù)進行xpath解析。

項目的數(shù)據(jù)存儲采用Neo4j圖數(shù)據(jù)庫，問答系統(tǒng)采用了規(guī)則匹配方式完成，數(shù)據(jù)操作采用neo4j聲明的。

項目的不足之處在于疾病的引發(fā)原因、預防等以大段文字返回，這塊可引入事件抽取，可將原因結(jié)構化表示出來。

3.1 項目目錄

.

├── .md

├── \\編譯結(jié)果保存目錄

│ ├── .-36.pyc

│ ├── .-36.pyc

│ └── .-36.pyc

├── .py

├── .pyc

├── .py \\知識圖譜數(shù)據(jù)入庫腳本

├── .py \\問答程序腳本

├── data

│ └── .json \\本項目的全部數(shù)據(jù)，通過.py導neo4j

├── dict

│ ├── check.txt \\診斷檢查項目實體庫

│ ├── deny.txt \\否定詞庫

│ ├── .txt \\醫(yī)療科目實體庫

│ ├── .txt \\疾病實體庫

│ ├── drug.txt \\藥品實體庫

│ ├── food.txt \\食物實體庫

│ ├── .txt \\在售藥品庫

│ └── .txt \\疾病癥狀實體庫

├──

│ ├── chat1.png \\系統(tǒng)運行問答截圖01

│ ├── chat2.png \\系統(tǒng)運行問答截圖01

│ ├── .png \\知識圖譜構建框架

│ ├── .png \\問答系統(tǒng)框架圖

├── img \\.md中的所用圖片

│ ├── chat1.png

│ ├── chat2.png

│ ├── .png

│ ├── .png

│ └── .png

├──

│ ├── .py \\數(shù)據(jù)庫操作腳本

│ ├── .py \\網(wǎng)絡資訊采集腳本

│ └── .py \\基于詞典的最大向前/向后腳本

├── .py \\問句類型分類腳本

├── .pyc

├── .py \\問句解析腳本

├── .pyc

3.2 知識圖譜的實體類型

3.3 知識圖譜的實體關系類型

3.4 知識圖譜的屬性類型

3.5 問答項目實現(xiàn)原理

本項目的問答系統(tǒng)完全基于規(guī)則匹配實現(xiàn)，通過關鍵詞匹配，對問句進行分類，醫(yī)療問題本身屬于封閉域類場景，對領域問題進行窮舉并分類，然后使用的match去匹配查找neo4j，根據(jù)返回數(shù)據(jù)組裝問句回答，最后返回結(jié)果。

問句中的關鍵詞匹配：

根據(jù)匹配到的關鍵詞分類問句

問句解析

查找相關數(shù)據(jù)

根據(jù)返回的數(shù)據(jù)組裝回答

3.6 問答系統(tǒng)支持的問答類型

4、項目總結(jié)

基于規(guī)則的問答系統(tǒng)沒有復雜的算法，一般采用模板匹配的方式尋找匹配度最高的答案，回答結(jié)果依賴于問句類型、模板語料庫的覆蓋全面性，面對已知的問題，可以給出合適的答案，對于模板匹配不到的問題或問句類型，經(jīng)常遇到的有三種回答方式：1、給出一個無厘頭的答案；

2、婉轉(zhuǎn)的回答不知道，提示用戶換種方式去問；

3、轉(zhuǎn)移話題，回避問題；

例如，本項目中采用了婉轉(zhuǎn)的方式回答不知道：

基于知識圖譜的問答系統(tǒng)的主要特征是知識圖譜，系統(tǒng)依賴一個或多個領域的實體，并基于圖譜進行推理或演繹，深度回答用戶的問題，基于知識圖譜的問答系統(tǒng)更擅長回答知識性問題，與基于模板的聊天機器人有所不同的是它更直接、直觀的給用戶答案。對于不能回答、或不知道的問題，一般直接返回失敗，而不是轉(zhuǎn)移話題避免尷尬。